Коротко
- Prompt engineering — навык формировать точный запрос: чем более узконаправленный запрос, тем точнее результат.
- Запрос к нейросети — это маленькое техническое задание: всё, что не описано, модель додумывает, как стажёр.
- Общая структура промпта: роль, цель, ограничения, формат результата — она подходит почти для любой нейросети.
- Роль задаёт глубину и терминологию, ограничения направляют ответ, а формат результата — один из самых недооценённых блоков.
Навигация по видео
Выбери главу: видео выше начнётся с нужного момента.
Что повторять из урока
Структура промпта: роль, цель, ограничения, формат. Роль задаёт специализацию и терминологию, цель — зачем ты обращаешься, ограничения — рамки, формат — как должен выглядеть ответ. Чем точнее запрос, тем точнее результат. Таймкоды оценены по расшифровке и могут отличаться на несколько секунд.
Prompt engineering — это навык формировать правильный запрос к нейросети. Основная идея проста: чем точнее и более узконаправленный запрос, тем точнее будет результат. Хороший запрос строится по структуре из четырёх частей: роль, цель, ограничения и формат результата.
Запрос — это маленькое техническое задание
Автор предлагает метафору: представь стажёра, который у тебя учится. Он очень исполнительный и сделает любую работу, но ему нужно чётко описать, что делать, — всё, что ты не расскажешь, он будет додумывать, и итог может испортиться. Так и с нейросетью: запрос в неё можно воспринимать как небольшое техническое задание, которое описывается по определённой структуре.
Для разных нейросетей существуют разные гайды и best practices, но в целом подход один и подходит для любых моделей: локальных и облачных, ChatGPT или Алисы. Правила плюс-минус везде одинаковые.
Общая структура промпта
Промпт выглядит так:
- Роль.
- Цель запроса.
- Ограничения.
- Формат результата.
Если писать запросы по этой структуре, можно получать очень качественные ответы почти от любой нейросети.
Роль: ты [кто].
Цель: [что нужно получить и зачем].
Ограничения: [что нельзя / какие рамки].
Формат результата: [как оформить ответ].
Роль: зачем она нужна
Представь, что нейросеть обладает всей информацией, доступной человеку: книгами, журналами и т. д. Чтобы узко специализировать ответ, ты даёшь ей роль — тогда модель понимает контекст, в котором нужно отвечать. От роли зависят глубина ответа, терминология и набор информации.
Примеры ролей из видео:
- «Ты опытный senior frontend engineer» — специалист высокого уровня, который работает именно с фронтендом, а не с бэкендом или machine learning;
- «Ты тренер по боксу» — теперь модель забывает про фронтенд и оперирует спортивной терминологией и контекстом бокса;
- «Ты педагог по русскому языку, который объясняет сложные правила простыми словами» — здесь роль влияет ещё и на то, как модель будет объяснять.
На примере: просьба «Объясни разницу между server actions и API routes» без роли даёт размытый ответ — модель сама пытается подобрать роль, но неясно какую. Если добавить контекст «Ты senior Next.js engineer», то модель не подтягивает другие технологии и обсуждает тему именно в нужном контексте.
Ты senior Next.js engineer.
Объясни разницу между server actions и API routes на уровне архитектурных трейдоффов.
Цель: само техническое задание
Цель — это то, зачем ты обращаешься к нейросети: по сути, то самое техническое задание. В примере выше цель — увидеть разницу между server actions и API routes на уровне архитектурных трейдоффов. Целью может быть что угодно: понять концепцию, разъяснить, уточнить, детализировать, получить код или ответ, сделать реферат, решить задачу, исправить ошибку.
Автор показывает и другой случай: он просит нарисовать, как нейросеть «представляет свою работу». В временном чате модель сообщила, что не может генерировать изображения, и вместо картинки описала алгоритм своих действий — это тоже была определённая цель.
Ограничения: рамки ответа
Ограничения дают нейросети дополнительную информацию о том, как отвечать. Пример из видео:
Ты бэкенд-разработчик на Node.js.
Цель: понять, как инициализировать схему базы данных.
Ограничения:
- нельзя менять структуру базы данных;
- нужен только чистый JS без сторонних библиотек;
- нужен минимум сетевых запросов.
Это работает потому, что модели не приходится додумывать, как отвечать, какие инструменты использовать и какую детализацию выдавать: она чётко понимает направление.
Ещё пример — пост для Telegram: роль «копирайтер», цель — написать пост, ограничения — без картинок, максимум 1000 символов, вежливый тон. Автор шутя добавляет «не использовать слово „шуба“», чтобы показать, что ограничения бывают любыми.
Формат результата — самый недооценённый блок
Формат подсказывает нейросети, как себя вести. Нужен список — пиши «используй списки», нужна таблица — «таблицы». Нужен формат для программирования или кода — скажи, как. Если нужно для Excel, используй CSV или Markdown.
Автор показывает, как это работает: добавляет формат ответа — для каждого поста три варианта, у каждого плюсы и минусы, а в конце рекомендация. Сначала запрос без этого блока — и модель отвечает иначе, просто пишет пост. После добавления формата результат существенно другой: три поста, к каждому — плюсы, минусы и рефлексия модели. Автор оговаривается, что сам запрос получился неконкретным, но структура универсальная и правильная.
Что дальше
Готовые примеры запросов на конкретных задачах — в уроке «Примеры промптов», а приёмы вроде уточняющих вопросов и примеров — в уроке про техники запросов.
Термины урока
- Prompt engineering — навык формировать правильный запрос к нейросети.
- Роль — специализация, которую ты задаёшь модели; влияет на глубину, терминологию и набор информации.
- Цель — то, зачем ты обращаешься к нейросети и что хочешь получить; по сути, техническое задание.
- Ограничения — рамки, которые направляют ответ: что нельзя, какой объём, какие инструменты.
- Формат результата — указание, в каком виде нужен ответ: список, таблица, код, CSV.
Частые вопросы
Что такое prompt engineering простыми словами?
Это навык формировать правильный запрос к нейросети. Чем точнее и узконаправленнее запрос, тем точнее результат. Автор сравнивает запрос с небольшим техническим заданием, которое описывается по определённой структуре.
Из чего состоит хороший промпт?
По общему правилу из видео, из четырёх частей: роль, цель запроса, ограничения и формат результата. Если писать запросы по такой структуре, можно получать качественные ответы почти от любой нейросети.
Зачем нужна роль в промпте?
Роль узко специализирует ответ: модель понимает контекст и подбирает правильную глубину, терминологию и набор информации. Например, «senior frontend engineer», «тренер по боксу» или «педагог по русскому языку» дадут совершенно разные ответы.
Нужно ли для каждой нейросети писать запросы по-разному?
Для разных нейросетей есть свои гайды и best practices, но, по словам автора, общий подход одинаков для любых моделей — локальных, облачных, ChatGPT или Алисы. Структура роль, цель, ограничения, формат работает везде.
Зачем указывать формат результата?
Формат подсказывает нейросети, как ей ответить: списком, таблицей, кодом или в виде CSV или Markdown для Excel. В примере из видео после добавления требования «три варианта, у каждого плюсы и минусы и рекомендация» ответ стал существенно другим.
Практика
Попробуй на своей задаче
Выбери запрос, который ты недавно отправлял нейросети одной строкой. Перепиши его по структуре из урока: роль, цель, ограничения, формат результата. Отправь обе версии в разные новые чаты и сравни ответы.
Как понять, что готово
У нового запроса есть все четыре части, ответ точнее и требует меньше правок, и ты можешь назвать, какая часть структуры изменила ответ сильнее всего.
Продолжение в клубе
Хочешь, чтобы промпты писались быстрее?
- ПромптMeta Prompt для генерации улучшенных промптовМета-промпт: превращает черновую идею в точный, структурированный и проверяемый промпт.
- ПромптКритик идейНаходит слепые зоны и самообман в готовых идеях — полезная проверка для своего плана или текста.
Уже в клубе? Продолжай в своём аккаунте. Войти в аккаунт →



